PyTorch — Вікіпедія

PyTorch
ТипБібліотека для машинного навчання та глибокого навчання
АвторAdam Paszke, Sam Gross, Soumith Chintala, Gregory Chanan
Перший випускжовтень 2016; 8 років тому (2016-10)
ПлатформаIA-32, x86-64
Операційна системаLinux, macOS і Windows
Мова програмуванняC++, Python, C і CUDA
Доступні мовианглійська
ЛіцензіяBSD
Онлайн-документаціяpytorch.org/docs/stable/index.html
Репозиторійgithub.com/pytorch/pytorch
Вебсайтpytorch.org

PyTorch — відкрита бібліотека машинного навчання на основі бібліотеки Torch[2][3][4], що застосовується для задач комп'ютерного бачення та обробки природної мови.[5] Розробляє її переважно група дослідження штучного інтелекту компанії Facebook.[6][7][8] Вона є вільним та відкритим програмним забезпеченням, що випускають під ліцензією Modified BSD. І хоча інтерфейс Python є більш відшліфованим, і головним зосередженням розробки, PyTorch також має зовнішній інтерфейс і для C++.[9] Крім того, програмне забезпечення ймовірнісної мови програмування[en] Pyro компанії Uber використовує PyTorch як внутрішній інтерфейс.[10]

PyTorch забезпечує дві високорівневі функціональності:[11]

Історія

[ред. | ред. код]

Facebook використовував як PyTorch, так і Convolutional Architecture for Fast Feature Embedding (Caffe2), але моделі, визначені цими двома системами, були взаємно несумісними. Для перетворювання моделей між системами компаніями Facebook та Microsoft у вересні 2017 року було створено проєкт Open Neural Network Exchange (ONNX). Наприкінці березня 2018 року Caffe2 було влито до PyTorch.[12]

Тензори PyTorch

[ред. | ред. код]

Тензори, хоч вони й з математики, в програмуванні відрізняються, тут їх можливо розглядати як багатовимірні масиви. Тензори в PyTorch є подібними до масивів NumPy, але ними також можливо оперувати на ГП Nvidia з підтримкою CUDA. PyTorch підтримує різні типи тензорів.[13]

Модулі

[ред. | ред. код]

Модуль autograd

[ред. | ред. код]

PyTorch використовує метод, званий автоматичним диференціюванням. Записувач записує, які дії було виконано, а потім програє їх назад, щоби обчислити градієнти. Цей метод є особливо потужним при будуванні нейронних мереж, щоби заощаджувати час на одній епосі, обчислюючи диференціювання параметрів на прямому проході.

Модуль optim

[ред. | ред. код]

torch.optim — це модуль, що втілює різноманітні алгоритми оптимізації, які використовують для будування нейронних мереж. Більшість широко вживаних методів вже підтримувано, тож потреби будувати їх з нуля немає.

Модуль nn

[ред. | ред. код]

autograd PyTorch дозволяє легко визначати обчислювальні графи та брати градієнти, але autograd в чистому вигляді може бути дещо занадто низькорівневим для визначення складних нейронних мереж. Саме тут може допомагати модуль nn.

Див. також

[ред. | ред. код]

Примітки

[ред. | ред. код]
  1. ↑ https://github.com/pytorch/pytorch/releases
  2. ↑ Yegulalp, Serdar (19 січня 2017). Facebook brings GPU-powered machine learning to Python. InfoWorld. Архів оригіналу за 12 липня 2018. Процитовано 11 грудня 2017. (англ.)
  3. ↑ Lorica, Ben (3 серпня 2017). Why AI and machine learning researchers are beginning to embrace PyTorch. O'Reilly Media. Архів оригіналу за 17 травня 2019. Процитовано 11 грудня 2017. (англ.)
  4. ↑ Ketkar, Nikhil (2017). Introduction to PyTorch. Deep Learning with Python (англ.). Apress, Berkeley, CA. с. 195—208. doi:10.1007/978-1-4842-2766-4_12. ISBN 9781484227657. Архів оригіналу за 12 липня 2018. Процитовано 30 квітня 2019. (англ.)
  5. ↑ Natural Language Processing (NLP) with PyTorch – NLP with PyTorch documentation. dl4nlp.info (англ.). Архів оригіналу за 21 червня 2019. Процитовано 18 грудня 2017. (англ.)
  6. ↑ Patel, Mo (7 грудня 2017). When two trends fuse: PyTorch and recommender systems. O'Reilly Media (англ.). Архів оригіналу за 30 березня 2019. Процитовано 18 грудня 2017. (англ.)
  7. ↑ Mannes, John. Facebook and Microsoft collaborate to simplify conversions from PyTorch to Caffe2. TechCrunch (англ.). Архів оригіналу за 6 липня 2020. Процитовано 18 грудня 2017. FAIR is accustomed to working with PyTorch — a deep learning framework optimized for achieving state of the art results in research, regardless of resource constraints. Unfortunately in the real world, most of us are limited by the computational capabilities of our smartphones and computers. (англ.)
  8. ↑ Arakelyan, Sophia (29 листопада 2017). Tech giants are using open source frameworks to dominate the AI community. VentureBeat (амер.). Архів оригіналу за 7 січня 2020. Процитовано 18 грудня 2017. (англ.)
  9. ↑ The C++ Frontend. PyTorch Master Documentation. Архів оригіналу за 8 травня 2020. Процитовано 29 липня 2019. (англ.)
  10. ↑ Uber AI Labs Open Sources Pyro, a Deep Probabilistic Programming Language. Uber Engineering Blog (амер.). 3 листопада 2017. Архів оригіналу за 25 грудня 2017. Процитовано 18 грудня 2017. (англ.)
  11. ↑ PyTorch – About. pytorch.org. Архів оригіналу за 15 червня 2018. Процитовано 11 червня 2018. [Архівовано 2018-06-15 у Wayback Machine.] (англ.)
  12. ↑ Caffe2 Merges With PyTorch. 2 квітня 2018. Архів оригіналу за 30 березня 2019. Процитовано 21 вересня 2019. (англ.)
  13. ↑ An Introduction to PyTorch – A Simple yet Powerful Deep Learning Library. analyticsvidhya.com. 22 лютого 2018. Архів оригіналу за 22 жовтня 2019. Процитовано 11 червня 2018. (англ.)

Посилання

[ред. | ред. код]
Програмне забезпечення Це незавершена стаття про програмне забезпечення.
Ви можете допомогти проєкту, виправивши або дописавши її.
Отримано з https://uk.wikipedia.org/w/index.php?title=PyTorch&oldid=44022108